时下很骨感 但AI的未来依然丰满

　　在过去的两年，AI的的确确在赋能各行各业，但传说中的大规模替代人力，至少在目前，还没有看到。

　　机器人写稿的背后，还是需要记者、编辑们坐在电脑前“码字”；机器人客服背后，还是需要坐席来解决复杂的问题；银行线上的催收机器人背后，还是需要行长们带着被子去老赖府上软磨硬泡。

　　所以，到底是我们高估了AI，还是低估了由人类组成的社会形态。

　　巨头的游戏

　　一个2~3岁的幼儿，如果通过图片来辨识猫和狗，他大概需要看20张左右图片，基本可以掌握猫和狗的区别。如果是AI呢，它需要100万张猫和狗的图片，才能分别出两者。

　　为何差异如此大？

　　因为人类，即便是小宝宝，也会分析、总结、分类，他根据20张图片，大致对猫、狗有个判断，世界上有一种猫，叫斯芬克斯猫，没有毛，这个无毛猫的图片放在小宝宝面前，问“是猫是狗？”，尽管小宝宝没有见过它的图片，但他会毫不犹豫的判断是猫。

　　而机器对于没有见过的东西，是没有判断的，它甚至不认为这是动物。

　　这就是人类学习和机器学习的区别。

　　所以，AI是什么，AI是靠数据喂出来的，“机器学习的特点在于，见到的东西越多、判断越准确，场景越多、技术手段越丰富，原来非结构化的数据进行结构化，让机器去理解和识别，那么它的人工智能水平就会更高。”金融壹账通智能风控总经理、加马人工智能研究院首席科学家施奕明对第一财经记者说。

　　对于机器学习而言，百万级的数据只能是“呵呵”，真正的训练是以亿级为起点的，正是因为需要大量的、持续的资金投入、大量的场景与数据支撑，所以AI被称之为是“巨头的游戏”。

　　在过去的几年中，国内能够想象到的网络巨头、金融巨头，以及想蹭AI热点的各类公司，都在加大对于AI的开发力度，一时间风光无限。

　　很多人开始惶恐，是不是自己要被机器所替代了。

　　这两年，不少科技公司潜心研究无人驾驶，但当实际上路时，不仅要选择一处人烟稀少的地带，且还需要一位司机坐在驾驶位上，将手放在方向盘上方2cm处，以备随着打方向盘，脚踩刹车，眼看前方，比自己开车还累。

　　“无人驾驶到现在都没有上路，因为人们最后发现，如果要模拟一个司机，没有我们想象中那么简单。”微众银行首席人工智能官杨强对第一财经记者说。

　　曾经有一种智能音箱很是火热，甚至有人提出，语音是未来的入口，但拿到手的产品却令人失望，很多场景不能应付，最后沦为播放音乐的工具。

　　没用对地方

　　“有的时候，我们对某一项技术的期待，一不小心就变成了对一个业务场景的期待，但实际上，这是不同的维度，技术可以非常先进，但如果业务场景没有找好，技术还是不能赋能到场景上面来。”杨强说。

　　在杨强看来，今天，AI并不是在所有的场景下都可以使用，比如医疗场景、教育场景，因为这些场景有它的特殊性。

　　即便是在AI赋能比较深入的电话客服领域，当客户出现棘手的问题而焦躁不安时，一定是希望为自己解决问题的客服是个头脑灵活、随叫随到的人。

　　在金融场景中同样如此，全自动的金融服务只有在某个节点上才能做到，在面上还是要不断的加入一些专家、一些人和一些监管机构的参与，需要人机互动。

　　“金融的流程并不是我们想象中的那么简单，因为这个领域曾经历过很多次的试错，人的知识不可或缺，人机互动体现在对整个流程的严格监管，也体现在金融知识要传输给机器，让机器学会人的知识。”杨强说。

　　人机互动，也是近两年在人工智能领域提出的新课题，机器不仅要学习人类知识，同时要理解人类知识，理解人类的决策，以及决策背后的逻辑和关键因素。

　　“对于AI，人们最初是以颠覆取代为出发点，但是，现在回过头来，我们发现这样一个出发点是错误的。”杨强说。

　　在他看来，AI技术毫无疑问是先进的，但目前的效能之所以发挥得有些令人失望，关键在于没有找到合适的场景。

　　“2016年的时候，我曾提出过从互联网++到AI+，之后，我又提出从AI+到+AI，有什么区别呢，AI+是你先成立一个初创公司然后加上AI的业务，但是，+AI是你先有一个业务，在里面通过AI赋能。”杨强说。

　　所以，从一开始，AI+们雄心太大，想要取代某个物件、某个行业，或是某个人，现在发现，那是行不通的。

　　AI的真正定位

　　那么，AI的正确打开方式是什么呢？

　　“AI是要和行业、场景紧密结合的，”杨强说，“比如，在银行内部，AI可以将原来繁琐的流程自动化，提升效率、降低成本。我们有一个专门的领域叫做流程自动化，用AI赋能流程自动化。”

　　事实上，可以与AI结合的场景千千万万，只有少部分被挖掘出来，绝大部分还在沉睡，未来也将有一个新设的工种，叫AI产品经理，主要工作就是为AI找到正确的场景。

　　“其实，AI不是替代人力，而是释放人力，让人力去从事更加复杂的工作。”施奕明说。